语音合成与声音克隆
用 Seed Audio 的零样本模型生成自然、有表现力的语音，并从一小段参考音频克隆音色。
一句提示，Seed Audio 同时生成语音、音乐与音效
Seed Audio 是字节跳动的非流式音频模型，可在一次生成中输出逼真语音、原创音乐和电影级音效。先了解 Seed Audio 能做什么，再开始创作。
Seed Audio 能做什么
Seed Audio 1.0 从「文本转语音」迈向「文本转任意音频」—— 一个模型搞定语音、音乐与音效。
原创音乐生成
通过 Seed-Music 组件把文字提示变成原创音乐 —— 旋律、编曲与情绪，一次生成。
电影级音效
用 SeedFoley 叠加拟音、环境声与音效，让 Seed Audio 项目里的每个画面都有恰当的质感。
跨语言合成
无需微调即可跨语言发声 —— Seed Audio 在一次请求中让同一音色贯穿不同语言。
多角色对话
为每个说话人生成不同音色，在一次端到端生成中完成整段对话。
单次一体生成
语音、音乐和音效一起生成而非拼接 —— 每次 Seed Audio 请求最长可达两分钟。
价格
选择适合你的方案。
入门版
$9/mo
适合个人用户
- 1 个项目
- 5,000 积分
- 邮件支持
专业版
$29/mo
适合成长型团队
- 无限项目
- 50,000 积分
- 优先支持
- API 访问
企业版
$99/mo
适合大型组织
- 包含专业版全部功能
- 无限积分
- 专属支持
- 定制集成
Seed Audio 是什么？
Seed Audio 是字节跳动的通用音频生成模型，由字节 Seed 团队于 2026 年推出。与传统文本转语音不同，Seed Audio 能在一次端到端生成中，从单条文字提示同时生成人声、音乐和音效。由于一切都在一次生成中完成，语音、音乐和音效彼此保持连贯，而不是把各自单独生成的音轨再混合到一起。
Seed Audio 与普通文本转语音有何不同？
传统 TTS 只能把文字转成语音。Seed Audio 是非流式的「文本转任意音频」模型：它能同时生成多角色对话、背景音乐和音效，并对语速、音量、音高、情绪和口音做精细控制。
Seed Audio 能克隆声音吗？
可以。Seed Audio 支持零样本声音克隆 —— 提供一小段参考音频，模型即可复现该音色，并在最长两分钟的生成音频中、甚至跨语言保持一致。
我能用 Seed Audio 做什么？
创作者用 Seed Audio 做旁白、有声书、播客、游戏与视频音效设计、音乐草稿以及本地化配音。开发者可通过火山引擎、豆包 App 以及面向海外的 BytePlus 访问该模型。做广告、在线教育、预告片和短视频的团队用它把粗略脚本在几分钟内变成完整的音频初稿，再只对需要人工润色的部分进行打磨。
这是字节跳动的官方网站吗？
不是。本站是一个用于了解和试用 Seed Audio 模型的独立平台。我们与字节跳动无隶属关系，未获其背书或授权。Seed Audio 及相关模型名称归各自所有者所有。